DGX-Spark-Serie 8: KI kaufen heißt messen lernen – unser Fazit aus einem Sommer Modelltests

Ein Sommer voller Modelltests auf unserer DGX Spark liegt hinter uns – und die wichtigste Erkenntnis ist einfach: Wer KI kauft, sollte vorher messen. Wir ziehen Bilanz und zeigen Dir, was das für Dein Projekt bedeutet.

13Okt

Ein Rechner, ein Arbeitstag: Was eine DGX Spark bei uns nebenbei erledigt

Braucht lokale KI wirklich ein Rechenzentrum? Nein: Unser KI-Alltag läuft auf einer kompakten Workstation im Schreibtischformat. Wir zeigen mit echten Messwerten, was eine DGX Spark an einem normalen Tag parallel stemmt – und warum die richtige Dimensionierung über Deinen Erfolg entscheidet.

12Okt

Drei KI-Berater, eine Wissensbasis: Karli, Rob und der Handbuch-Chat

Ein Chatbot, der Produkte erfindet, ist schlimmer als keiner. Wie unsere drei KI-Berater mit RAG, Prüfschritt und Lernschleife verlässlich antworten – komplett im eigenen Haus.

09Okt

Rechnungsprüfung mit KI: Bild direkt lesen oder erst OCR?

Wir haben auf unserer DGX Spark beide Wege gemessen: Bild-Modell direkt gegen zweistufige OCR-Pipeline. Die Zahlen überraschen – und ändern, wie Du Deine Belege prüfst.

08Okt

Ein Tag auf eigener Hardware: Warum wir neue KI-Modelle erst testen, bevor sie zu Dir kommen

Ein groß angekündigter 30-Milliarden-Kandidat trat gegen unser Produktivmodell an – nach einem Messtag war klar: unbrauchbar für den Kundenchat. Was Du daraus für Deine eigene KI-Entscheidung mitnimmst.

08Okt

Ollama, vLLM oder SGLang? Das Engine-Duell auf Deiner DGX Spark

Das beste Modell nützt Dir nichts, wenn die falsche Software es ausführt. Wir haben auf einer DGX Spark drei Inferenz-Engines mit demselben Modell gemessen – und zeigen Dir, welche Werte wirklich zählen.

07Okt

Kann Dein KI-Modell wirklich Werkzeuge bedienen? Unser Test mit 29 Fallen

Jeder spricht von KI-Agenten. Doch ob ein Modell im richtigen Moment das richtige Werkzeug wählt, zeigt kein Datenblatt – sondern nur ein Test mit echten Aufgaben. Wir haben 29 Fallen gestellt und messen, was dabei herauskommt.

05Okt

Nemotron 3.5 Lightning im Härtetest: Warum das bewährte Modell gewinnt

NVIDIA veröffentlicht Nemotron 3.5 Lightning, drei Tage später läuft es bei uns auf einer DGX Spark gegen unser Produktivmodell. Das Ergebnis: Im Schnellmodus erfindet das neue Modell in 7 von 16 Chat-Fällen Fakten – unser Modell in keinem. Ein Praxisbericht über Messen statt Nachbeten.

01Okt

KI im eigenen Haus: Warum feste Kosten langfristig günstiger sind

Lokale KI auf eigener Hardware macht Deine Kosten planbar: keine Token-Preise, kein Speicherpreis-Risiko, volle Kontrolle. So rechnest Du es durch.

13Aug

KI-Modellwahl: Warum wir testen statt raten

Welches KI-Modell passt zu Deiner Aufgabe? Wir testen statt zu raten – mit denselben Testdaten und messbaren Ergebnissen. Du bekommst eine Empfehlung mit Zahlen.

11Aug

80.000 Euro Angebot, eine Kiste auf dem Schreibtisch: KI-Analyse eigener Daten ohne Cloud

Ein Betrieb aus der chemischen Analytik hatte zwei Angebote auf dem Tisch: eine Hersteller-Appliance für rund 80.000 Euro oder Cloud-KI für etwa 1.600 Euro im Monat. Entschieden hat er sich für eine dritte Variante — die eigenen Daten auf der eigenen Hardware. Was das kostet, was es bringt und wo die Grenzen liegen.

03Aug

BarTender 12: Smarte Etikettierung & Rückverfolgbarkeit

BarTender 12 setzt neue Maßstäbe: intelligente Formulare, Cloud-Flexibilität und Datei-Automatisierung für fehlerfreie Etiketten und lückenlose Rückverfolgbarkeit.